Verantwortungsbewusste künstliche Intelligenz
Microsoft ist bestrebt, die KI-Entwicklung voranzutreiben und orientiert sich dabei an ethischen Prinzipien, bei denen der Mensch im Vordergrund steht. Wir laden Sie ein, uns bei diesem Unterfangen als Partner zu unterstützen.
Prinzipien für verantwortungsbewusste KI
Wenn Sie KI-Lösungen implementieren, sollten Sie bei Ihrer Lösung die folgenden Prinzipien berücksichtigen:
- Fairness: KI-Systeme sollten alle Personen fair behandeln.
- Zuverlässigkeit und Sicherheit: KI-Systeme sollten zuverlässig und sicher funktionieren.
- Datenschutz und Sicherheit: KI-Systeme sollten sicher sein und die Privatsphäre respektieren.
- Inklusion: KI-Systeme sollten von jedem genutzt werden können und Personen einbeziehen.
- Transparenz: KI-Systeme sollten verständlich sein.
- Zurechenbarkeit: Personen sollten für KI-Systeme verantwortlich sein.
Etablieren einer Strategie für verantwortungsbewusste KI
Erfahren Sie, wie Sie basierend auf den Werten Ihrer Organisation eine eigene Strategie und eigene Prinzipien für verantwortungsbewusste KI entwickeln.
Leitlinien für verantwortungsbewusste KI-Entwicklung
Diese Leitlinien helfen Ihnen dabei, potenzielle Probleme während des gesamten Softwareentwicklungs-Lebenszyklus zu antizipieren und zu behandeln, um die Entwicklung einer verantwortungsbewussten KI zu gewährleisten.
- Richtlinien für die Interaktion zwischen Mensch und KI
- Richtlinien für Gesprächs-KI
- Richtlinien für inklusives Design
- Prüfliste für KI-Fairness
Datasheets for Datasets
Vorlage- Leitfaden für die KI-Sicherheitsentwicklung
Tools für verantwortungsbewusste KI
Es sind Tools verfügbar, die Entwicklern und Data Scientists helfen, KI-Systeme zu verstehen, zu schützen und zu kontrollieren. Diese können aus einer Vielzahl von Quellen stammen, z. B. aus Azure Machine Learning, Open-Source-Projekten oder der Forschung.
- Verstehen: KI-Systeme können sich aus verschiedensten Gründen unerwartet verhalten. Softwaretools können Ihnen dabei helfen, das Verhalten Ihrer KI-Systeme zu verstehen, damit Sie sie besser an Ihre Anforderungen anpassen können. Beispiele für diese Art von Tools sind InterpretML, Fehleranalyse und Fairlearn.
- Schützen: KI-Systeme basieren auf Daten. Softwaretools können Ihnen dabei helfen, diese Daten durch Gewährleistung von Datenschutz und Vertraulichkeit zu schützen. Beispiele für diese Art von Tool sind Vertrauliches Computing für Machine Learning, das SmartNoise-Toolkit für differenziellen Datenschutz, das SEAL-Toolkit für homomorphe Verschlüsselung und das Presidio-Toolkit zur Deidentifizierung von Daten.
- Steuern: Verantwortungsbewusste KI erfordert Governance und Kontrolle während des gesamten Entwicklungszyklus. Azure Machine Learning bietet einen Überwachungspfad für bessere Nachverfolgbarkeit, Herkunftsermittlung und Kontrolle, um gesetzliche Anforderungen zu erfüllen. Beispiele wären etwa Überwachungspfad und Nachverfolgbarkeit.
Nächste Schritte
Weitere Informationen zur verantwortungsvollen Entwicklung von Lösungen finden Sie unter:
Feedback
https://aka.ms/ContentUserFeedback.
Bald verfügbar: Im Laufe des Jahres 2024 werden wir GitHub-Issues stufenweise als Feedbackmechanismus für Inhalte abbauen und durch ein neues Feedbacksystem ersetzen. Weitere Informationen finden Sie unterFeedback senden und anzeigen für